본문으로 건너뛰기
피드

AI 문서 냄새를 항공 매뉴얼식 영어로 잡아주는 에이전트 스킬

ai-ml 약 6분
vote
0
댓글
북마크

ASD-STE100 Simplified Technical English 규칙을 에이전트 스킬로 묶어, LLM이 쓰는 기술 문서를 짧고 오해 적게 만들려는 GitHub 프로젝트다. Claude 6개 모델, 8개 작업, 96회 실행 기준으로 STE 위반이 100단어당 72.9% 줄었고 출력 토큰도 모든 모델에서 감소했다.

  • 1

    1983년 항공 업계에서 만든 ASD-STE100 규칙을 LLM 문서 작성용 스킬로 적용

  • 2

    Claude 6개 모델 실험에서 STE 위반 72.9% 감소, 평균 문장 길이 11.2단어에서 9.7단어로 감소

  • 3

    Claude Code, Cursor, VS Code Copilot, OpenAI Codex, Gemini CLI 등 Agent Skills 표준을 지원하는 도구에서 설치 가능

  • 4

    README, 에러 메시지, 런북, 장애 보고서, 릴리스 노트, AGENTS.md 같은 기술 문서에 맞춰 사용 사례 제공

  • LLM이 기술 문서를 LinkedIn 글처럼 쓰는 문제를, 항공 매뉴얼식 제한 영어로 잡아보자는 프로젝트가 나옴

    • 이름은 SimpleEnglish이고, ASD-STE100 Simplified Technical English 규칙을 에이전트 스킬로 만든 GitHub 프로젝트임
    • ASD-STE100은 1983년부터 항공 업계에서 쓴 통제 언어인데, 피곤한 정비사가 지시문을 잘못 읽지 않게 만드는 게 목적임
  • 핵심은 ‘명확하게 써줘’가 아니라 ‘검사 가능한 규칙’을 모델에 먹이는 쪽임

    • 문장당 단어 수 제한, 한 단어는 한 의미로만 사용, 단순 시제 사용, 능동태 사용, 조건문은 명령 전에 배치 같은 규칙이 들어감
    • “should”, “would”, “may”, “might” 같은 애매한 조동사는 막고, “can”, “will”, “must”는 허용한다고 함
    • 저자는 “clearly는 의견이지만, 문장당 20단어 이하는 스펙”이라고 정리함. 이거 꽤 핵심임
  • 벤치마크 수치도 제시함. Claude 6개 모델 × 8개 작업 × 2조건, 총 96회 실행 기준임

    • STE 위반은 100단어당 평균 72.9% 감소
    • 평균 문장 길이는 11.2단어에서 9.7단어로 줄었음
    • 출력 토큰도 6개 모델 전부에서 감소했다고 함
    • 모델별 감소율은 41%에서 82%까지 나왔고, Claude Sonnet 5는 2.67에서 0.53으로 약 80% 감소

중요

> 이 프로젝트가 흥미로운 이유는 LLM 글쓰기 품질을 취향이 아니라 규칙 위반 수로 재려 한다는 점임. 문서 품질을 팀 차원의 자동화 대상으로 보기 시작한 셈임.

  • 설치 방식은 꽤 가벼움. 의존성 없이 폴더 하나로 배포되고 MIT 라이선스임

    • npx skills add AminBlg/SimpleEnglish로 설치 가능
    • 설치 전에는 npx skills use AminBlg/SimpleEnglish@simple-english로 테스트 가능
    • Claude Code, Cursor, VS Code Copilot, OpenAI Codex, Gemini CLI, Goose, OpenCode 등 Agent Skills 표준을 쓰는 환경을 지원한다고 함
  • 스킬을 지원하지 않는 도구에서도 우회로를 제공함

    • ChatGPT는 시스템 프롬프트 버전을 Custom Instructions, Project, Custom GPT 지침에 넣는 방식
    • Gemini는 Gem 지침에 넣는 방식
    • 아예 짧은 컨텍스트용으로 약 60토큰짜리 버전도 제공한다고 함
  • 적용 대상은 마케팅 카피가 아니라 기술 문서 쪽으로 선을 긋고 있음

    • README, 에러 메시지, 장애 보고서, 릴리스 노트, 런북, AGENTS.md, 번역 준비 문서가 주요 대상임
    • 에러 메시지는 “무슨 일이 났는지 → 왜 났는지 → 뭘 해야 하는지” 순서로 정리하게 함
    • 릴리스 노트에서는 브레이킹 체인지를 경고처럼 다루고, 명령을 먼저 쓰고 위험을 뒤에 둔다고 함
  • 저자는 이게 STE 인증을 만들어주는 건 아니라고 못 박음

    • ASD가 도구를 인증하지 않기 때문에 “STE-certified output” 같은 건 없다고 함
    • 대신 기본 모드는 구조 규칙과 도메인 어휘를 현실적으로 적용하는 쪽이고, strict mode는 공식 표준에 더 가깝게 맞추는 쪽임

기술 맥락

  • 이 프로젝트의 선택은 프롬프트를 ‘취향 지시’가 아니라 ‘규칙 집합’으로 바꾸는 거예요. LLM은 “좋게 써줘”보다 “한 문장은 20단어를 넘기지 마” 같은 제약을 더 잘 따르거든요.

  • Agent Skills로 배포한 이유도 중요해요. 팀이 각자 프롬프트를 복사해서 쓰면 문서 톤이 금방 흔들리는데, 스킬로 묶으면 Codex, Cursor, Claude Code 같은 여러 도구에 같은 기준을 넣을 수 있어요.

  • 벤치마크를 정규식 린터로 잰 것도 현실적인 선택이에요. 글의 모든 품질을 자동 채점할 순 없지만, 긴 문장, 금지 표현, 애매한 조동사처럼 문서 사고를 만드는 패턴은 꽤 기계적으로 잡을 수 있거든요.

  • 개발팀 입장에서는 README보다 런북과 장애 대응 문서에서 가치가 커요. 새벽 2시에 누가 읽어도 같은 행동을 하게 만드는 문서는 멋진 문장보다 훨씬 중요하니까요.

요지는 ‘명확하게 써줘’ 같은 감성 프롬프트 대신, ‘문장당 20단어 이하’ 같은 검증 가능한 스펙을 모델에 주자는 쪽이다. 개발팀 문서 품질을 LLM에 맡기려면 이런 식의 규칙 기반 가드레일이 꽤 실용적일 수 있다.

댓글

댓글

댓글을 불러오는 중...

ai-ml

가짜 저자 인용을 신고했는데도 AI 논문 2편이 구두 발표로 통과됐다

두 연구자가 NeurIPS, WACV, TerraBytes 리뷰 경험을 바탕으로 LLM이 만든 저품질 논문과 환각 인용 문제가 학회 리뷰를 망가뜨리고 있다고 비판한 Q&A 글이다. 리뷰한 22편 중 다수에서 가짜 저자나 조작된 참고문헌이 나왔고, 심지어 신고한 논문 2편이 단순 수정 조건으로 구두 발표에 통과됐다고 한다.

ai-ml

딥시크 V4 플래시 0731, 100만 토큰 컨텍스트에 가격까지 꽤 공격적임

딥시크 V4 플래시 0731이 인공분석 지능 지수에서 50점을 기록하며 비슷한 크기의 공개 가중치 모델 중앙값 25점을 크게 웃돌았음. 입력 100만 토큰당 0.14달러, 출력 100만 토큰당 0.28달러라 가격도 공격적이고, 100만 토큰 컨텍스트와 2840억 전체 파라미터, 130억 활성 파라미터 구조가 핵심임.

ai-ml

딥시크 V4 플래시 공개 베타, 에이전트 성능을 대놓고 밀고 있다

DeepSeek가 DeepSeek-V4-Flash API를 공개 베타로 올리고, 모델명만 deepseek-v4-flash로 바꾸면 쓸 수 있게 했다. 이번 업데이트는 에이전트 성능 개선이 핵심이며 Terminal Bench 2.1 82.7, DeepSWE 54.4, DSBench-FullStack 68.7 같은 수치를 내세운다. Responses API 형식과 Codex 적응도 명시되어 있어 코딩 에이전트 쪽에서 바로 비교 대상이 될 만하다.

ai-ml

AI 세션, 이제 진짜 내 데이터가 아닐 수도 있다

추론 API가 단순한 입력-출력 기록에서 벗어나, 제공자 서버에 묶인 상태값과 암호화된 블롭에 의존하는 방향으로 가고 있다는 비판이다. reasoning token, 호스팅 검색, 서버 측 압축, 멀티 에이전트 메시지, 응답 아이디 같은 기능이 편리함을 주는 대신 세션 이식성과 감사 가능성을 깎아먹는다는 게 핵심이다. 글은 로컬 이벤트 로그를 표준으로 삼고, 검색·압축·에이전트 통신을 사람이 읽고 내보낼 수 있어야 한다고 주장한다.

ai-ml

LG CNS, AI·클라우드 매출은 컸지만 2분기 수익성은 흔들렸다

LG CNS가 2026년 2분기 매출 1조5208억 원을 기록하며 외형 성장은 이어갔지만, 영업이익은 전년 대비 9.2% 감소함. AI·클라우드 부문은 상반기 매출 1조6714억 원으로 전체의 약 59%를 차지했고, 1조 원 이상 AI 데이터센터 DBO 수주도 공개됨.